D5.3. Relationship between soil biodiversity, crop yield and quality and delivey of aecosystem services
Notice bibliographique
Résumé
Prokaryotes, including bacteria and archaea, play a fundamental role in agricultural soils by drivingcritical ecosystem processes such as nutrient cycling, organic matter decomposition, and soilstructure maintenance (Delgado-Baquerizo et al., 2020). These microorganisms are essential for soilfertility and plant health, as they enhance nutrient availability and promote plant growth throughvarious symbiotic interactions (Babin et al., 2019; Berendsen et al., 2012; Wagg et al., 2014).Consequently, preserving a high diversity of prokaryotes in agricultural soils is crucial. Agricultural practices significantly impact the diversity and functionality of soil prokaryotes (Babin etal., 2019; Levine et al., 2011; Tilman et al., 2002). Interventions such as tillage, crop rotation, and theapplication of fertilizers and pesticides can modify the physical and chemical properties of the soil,thereby influencing microbial communities (Cozim-Melges et al., 2024). This section of the report explores the relationships between soil prokaryotic biodiversity, crop yield,and quality, and ecosystem service delivery across the WP5 case studies conducted across sixEuropean regions. Ecosystem services analyzed include greenhouse gas emissions, soil carboncontent, nutrient levels, bulk density, pH, and other key soil chemical and physical parameters.Findings are based on results from the final monitoring period for each case study. Data arepresented separately for each case study to provide detailed insights. This work was funded by the European Commission Horizon 2020 project SoildiverAgro [grant agreement 817819].
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».